根据获取相位的方法的不同，又可以把基于相位测量的方法分为：莫尔条纹法、傅里叶变换法、移相法和次条纹积分法等。
傅里叶变换法又可以分为有载波变换法和无载波变换法；
实际的计算过程中，可能由于所测物体表面本身的突起、深槽或者高度变化过快等原因，导致了采集到的图样存在阴影，为正确的进行相位展开带来较大的困难。时间相位展开算法能够避免物体本身的高度突变、断裂以及图像中的阴影区域等对解包裹造成的干扰，因而更具有优越性。
研究者们根据实际应用的需要已经提出了各种不同的标定方法。这些标定方法根据类型大致可以分为三类：传统标定法、基于主动视觉标定方法和自标定法[16]，也有许多研究者把基于主动视觉的标定方法归纳入自标定方法中。
时间相位展开算法：使投射光栅的频率随着时间发生变化，然后通过摄影系统采集这些图像，这些图像可以视为在一个时间轴上的序列。因而可以对图像中的每一个点的相位按照时间轴进行展开。其与空域相位展开有着本质的区别。在时间相位展开算法中，图像中的每个像素点可以沿着时间的路径独立的进行相位展开，而不需要在二维图像中寻找路径。完全避免图像中的噪点等对相位展开的影响，也可以避免空域相位展开中的误差传播，同时还可以测量本身高度变化比较大或者有断裂的物体。时间相位展开算法有：线性相位展开、线性拟合时间相位展开、拟合指数时间相位展开、傅里叶变换修正方法等。
空域相位展开算法已经提出了多种不同的算法，根据算法的类型大致可以分为：全局法、区域分割法和路径跟踪法等。路径跟踪算法根据类型分类也可以分为三类,即：路径决定法、残留补偿法和质量引导路径法。其中比较常用的有枝切法和质量引导路径法。在枝切法中，枝切线的连接方式并不唯一，而且算法本身很难确定哪一种连接方式是最佳的方式，这给算法的本身带来了一定的困难。后来人们引入了质量引导路径的方法。
图像中，某个像素点与其相邻像素点相位值的二阶差分能够反映该像素点和周围相邻像素点相位值的凹凸变化关系，因而，可以选择二阶差分为解包裹的质量函数。质量函数能够定义图像中除边缘以外的所有的像素点，由于图像边缘的像素点一般可靠性不高，一般把这些点放在最后进行解包裹处理。
解包裹的路径就是按照质量组合的大小逐一进行展开的，因而解包裹的路径是不连续的。质量组合值较大的像素点先解包裹，质量组合值较小的点后解包裹,并对已经解包裹的像素点进行分组。
在解包裹的过程中有以下三种情况：
①具有相同质量组合两个像素点都未进行解包裹操作，则比较两个点的质量值的大小，质量值较小的点以质量值较大的点为准加减 2nπ，完成解包裹处理，并将两个点纳入单独的一个组群。
②两个像素点中，其中一个已经经过了解包裹处理且已属于某一个组群，则把另外一个像素点以这个像素点为参照进行解包裹，在解包裹后再纳入这个组群中。
③搜寻到的两个像素点都已经被解包裹，但是属于不同的组。则需要统计出这两个组中包含像素点的多少。包含像素点较少的组以包含像素点较多的点为准，进行加减 2nπ 的操作。以保证相邻像素点的相位值连续。
质量引导不连续路径解包裹方法的步骤，主要包含以下几步：
①根据质量函数的定义，即（4.4）式，计算图像中每个像素点的质量值；
②构建质量组合模型，并根据质量值计算相应的质量组合值；
③根据质量组合值由高到低的顺序进行解包裹处理，并根据前面提到的解包裹过
程中的三种情况对其进行分类处理；
④不断重复第③步直到全场的像素点都被解包裹。
多视角测量数据由于采用的视角不同，因而测量得到的世界坐标系也是不同的，因而会涉及到一个从局部坐标系到全局坐标系的转换问题，然后通过数据处理，最终获得完整的三维测量结果。这个过程就称之为面形的拼接，也可以称之其为拼合或者是多次测量数据的配准。
通常采用的数据融合处理的方法有数据插值或者是曲面拟合的方法。虽然采用迭代运算也可以做处理，但是计算量较大。
人脸的快速拼接包含两个部分：拼接区域的选择和拼接区域的数据处理
拼接区域的选择：
以鼻尖为中心选择宽为 L 的区域为拼接区域，且 L 的宽度是关于最高点位置呈左右对称的，L 的宽度必须小于重叠区域的宽度。由于通过左相机测得的靠右侧的数据并不十分准确和完整，因而可以把拼接区域以外右侧的数据直接去掉。相应的可以把通过右相机图片采集后计算的到的三维数据拼接区域以外左侧的数据删除。以鼻尖为中心，宽为 L 的区域就是拼接区域，L 的具体宽度是根据实际测量的数据情况和重叠区域的情况而定的。
拼接区域的数据处理：
